本课程为精品课，您可以登录eeworld继续观看： 多层类神经网络 2. 反向传播算法继续观看 课时1：课程介绍 课时2：智能控制系统概论 1.自动控制系统 课时3：智能控制系统概论 2.计算智能 课时4：智能控制系统概论 3.模糊逻辑系统 课时5：智能控制系统概论 4.演化计算 课时6：智能控制系统概论 5.类神经网络 课时7：模糊集合 1.明确集合 课时8：模糊集合 2.模糊集合 课时9：模糊集合 3.模糊集合之基本概念 课时10：模糊集合 4.模糊归属函数 课时11：模糊集合 5.模糊集合之运算 课时12：模糊逻辑 1.明确关系 课时13：模糊逻辑 2.模糊关系 课时14：模糊逻辑 3.扩展原理 课时15：模糊逻辑 4.语言变数 课时16：模糊逻辑 5.模糊规则 课时17：模糊逻辑 6.模糊推论 课时18：模糊控制系統(一) 1. 模糊推论系统 课时19：模糊控制系統(一) 2. Matlab程式编写 课时20：模糊控制系統(一) 3.冷气机之模糊控制 课时21：模糊控制系統(一) 4. 洗衣机之模糊控制 课时22：模糊控制系統(一) 5. Sugeno模糊模型 课时23：模糊控制系統(二) 1. 直流马达模糊控制 课时24：模糊控制系統(二) 2. 倒立摆模糊控制 课时25：模糊控制系統(二) 3. 倒车入库模糊控制 课时26：模糊控制系統(二) 4. 机器人模糊控制 课时27：T-S模糊控制系統(一) 1. T-S模糊模型 课时28：T-S模糊控制系統(一) 2. 平行分布补偿 课时29：T-S模糊控制系統(一) 3. 李雅普诺夫稳定定理 课时30：T-S模糊控制系統(一) 4. 闭回路T-S模糊系統稳定定理 课时31：T-S模糊控制系統(一) 5. 闭回路T-S模糊系统稳定定理 课时32：T-S模糊控制系统(二) 1. 线性矩阵不等式 课时33：T-S模糊控制系统(二) 2. 衰退率T-S模糊控制器设计 课时34：T-S模糊控制系统(二) 3. 倒立摆T-S模糊控制 课时35：T-S模糊控制系统(二) 4. 双向充放电器T-S模糊控制 课时36：T-S模糊控制系统(二) 5. 机器人T-S模糊控制 课时37：二进位基因演算法(一) 1. 梯度下降法 课时38：二进位基因演算法(一) 2. 基因演算法特性 课时39：二进位基因演算法(一) 3. 二进位编码与解码 课时40：二进位基因演算法(一) 4. 初始族群 课时41：二进位基因演算法(一) 5. 适应函数 课时42：二进位基因演算法(二) 1. 天择运算 课时43：二进位基因演算法(二) 2. 交配运算 课时44：二进位基因演算法(二) 3. 突变运算 课时45：二进位基因演算法(二) 4. 菁英政策 课时46：二进位基因演算法(二) 5. 基因演算法之参数分析 课时47：基于基因演算法之控制系统 1. 基于基因演算法之函数极值 课时48：基于基因演算法之控制系统 2. 控制系统时域响应与PID控制器 课时49：基于基因演算法之控制系统 3. 基于基因演算法之最佳PID控制 课时50：基于基因演算法之控制系统 4. 基于基因演算法之强健PID控制 课时51：进阶基因演算法 1. 实数型基因演算法 课时52：进阶基因演算法 2. 基于实数型基因演算法之控制系统 课时53：进阶基因演算法 3. 格雷编码 课时54：进阶基因演算法 4.适应函数线性缩放 课时55：进阶基因演算法 5. 适应函数标准差縮放 课时56：基于粒子群最佳化法之控制系统 1. 粒子群最佳化法之原理 课时57：基于粒子群最佳化法之控制系统 2. 基于粒子群最佳化法之函数极值 课时58：基于粒子群最佳化法之控制系统 3. 粒子群最佳化法之参数分析 课时59：基于粒子群最佳化法之控制系统 4. 基于粒子群最佳化法之PID控制 课时60：基于粒子群最佳化法之控制系统 5. 基于粒子群最佳化法之强健PID控制 课时61：基于演化计算之模糊控制系统 1. 主轴马达伺服系統 课时62：基于演化计算之模糊控制系統 2. 基于基因演算法之模糊控制 课时63：基于演化计算之模糊控制系統 3. 机械手臂控制系統 课时64：基于演化计算之模糊控制系统 4. 基于基因演算法之T-S模糊控制 课时65：基于演化计算之模糊控制系統 5. 基磁浮控制系統 课时66：基于演化计算之模糊控制系統 6. 基于粒子群最佳化法之T-S模糊控制 课时67：单层类神经网络 1. 类神经元模型 课时68：单层类神经网络 2.感知机 课时69：单层类神经网络 3. 感知机应用案例 课时70：单层类神经网络 4. 适应线性元件 课时71：单层类神经网络 5. 适应线性元件应用范例 课时72：多层类神经网络 1. 多层神经网络架构 课时73：多层类神经网络 2. 反向传播算法 课时74：多层类神经网络 3. XOR闸 课时75：多层类神经网络 4. 函数近似 课时76：多层类神经网络 5. 多层神经网络应用范例 课时77：类神经网络控制系统(一) 1. 类神经网络控制系统 课时78：类神经网络控制系统(一) 2.类神经网络模式预测控制 课时79：类神经网络控制系统(一) 3.引擎类神经网络温度控制 课时80：类神经网络控制系统(一) 4.直流马达类神经网络控制 课时81：类神经网络控制系统(二) 1. 类神经网络模式参考控制 课时82：类神经网络控制系统(二) 2.机器手臂系统识别 课时83：类神经网络控制系统(二) 3.机器手臂类神经网络控制 课时84：类神经网络控制系统(二) 4.倒车入库神经网络控制 课时85：模糊类神经网络控制系统 1. 适应性类神经模糊推论系统 课时86：模糊类神经网络控制系统 2. 混合学习演算法 课时87：模糊类神经网络控制系统 3. 离散动态控制系统 课时88：模糊类神经网络控制系统 4. 倒车入库控制系统 课程介绍共计88课时，21小时5分41秒 智能控制系统 智能控制系统是一种使用各种基于人工智能计算方法的自动控制系统，例如模糊逻辑控制系统，基于基因算法控制系统，以及类神经网络控制系统。 上传者：桂花蒸 正在载入数据,请稍等... 猜你喜欢 网友总结：2019年树莓派应用top 10 英飞凌全新的12V无刷直流电机的演示系统介绍 FPGA课程基础（英特尔官方FPGA教程系列） 基于syslink的OMAPL138双核通信教程 高性价比EMI诊断测试 MATLAB智能算法30个案例分析 机器学习 TI 智能音箱和条形音箱 - 音频专场 热门下载 cs5460A资料和程序(检测电压，电流的芯片) codewarrior使用指南214页 32.6M.pdf 基于EPM240的入门实验_ohnsonverilog W83791D 将11520采样率(可用cooledit得到)的wav文件转换为可供串口播放的PWM文件 单片机应用PS/2键盘的实例,本程序源码只供学习参考 传感器原理与应用（中央广播电视大学出版社+1991） 带复位预置时钟 用示波器抓取CAN通讯 期刊论文：CCD纸张外观质量的检测系统 热门帖子 机器学习训练出来的模型大小由什么决定的？ 机器学习训练出来的模型大小通常由以下几个主要因素决定：1、模型架构复杂度：模型层数：深层神经网络通常包含更多参数，因此模型文件会更大。层类型：不同的层有不同的参数量，例如全连接层、卷积层、循环层等，其参数数量直接影响模型大小。卷积核大小、步长、填充等参数会影响卷积神经网络的参数量。注意力机制、门控机制等复杂组件也会增加模型参数。2、模型容量：参数数量：模型中权重和偏置参数的总量直接决定了模型大小。例如，更大的矩阵在全连接层意味着更多的参数，更深或更宽的网络 wangerxian 以PC817+TL431电路为例，介绍周边电阻的设计方法 在隔离型开关电源中经常会采用光耦PC817匹配运放TL431来实现隔离反馈功能，其中TL431是主要的环路补偿器件（实现PID或者Type类补偿器）而PC817则主要用来实现隔离功能。但实际中如果光耦PC817的周边电阻匹配不恰当也会导致某些条件下环路不能正常工作，给调试工作带来不必要的麻烦。下面就以图一电路为例简单介绍PC817周边电阻的设计方法。图1PC817+TL431电路首先了解一下PC817和TL431的特性：一、光耦PC817跟三极管有些类似，三极管中集电极 木犯001号 Java 22 来了！ 流水的编程语言，铁打的Java。Java发布了正式的JDK22版本，这是一个短期版本，可以从Oracle.com（https://www.oracle.com/java/technologies/downloads/）下载，将获得Oracle为期六个月的高级支持。Java22来了！好快，我的JAVA技能还在8，11阶段。。。 是呀~我看到的时候还挺惊讶。印象里还是在十几 C++也越来越快，C++26也快发布了。。。 okhxyyo 【 正点原子瑞芯微RV1126测评】9 nodered 通过mqtt连接RV1126 采集温度和控制led 【正点原子瑞芯微RV1126测评】9nodered通过mqtt连接RV1126采集温度和控制led【正点原子瑞芯微RV1126测评】1硬件篇【正点原子瑞芯微RV1126测评】2应用环境搭建一些问题解决【正点原子瑞芯微RV1126测评】3编译环境搭建【正点原子瑞芯微RV1126测评】4GPIO篇之led【正点原子瑞芯微RV1126测评】5input子系统【正点原子瑞芯微RV1126测评】6socke damiaa micropython的GNSS 解析器 micropyGPS micropyGPS是完整功能的GPSNMEA语法解析器，可与MicroPython和PyBoard嵌入式平台配合使用。它与Python3.x完全兼容。特征： 将大多数重要的NMEA-0183输出消息解析并验证为易于处理的数据结构 提供解释，显示，记录和操作GPS数据的辅助方法 使用Micropython中提供的标准库以纯Python3.x编写 在单个文件中实现为单个类，以便轻松集成到嵌入式项目中 分析器在编写时考虑了串行UART数据源； dcexpert 【USB充电器DIY】器件选型：MCU（添加了推荐模块） 因为预备使用web查看功能，因此需要选择带有wifi功能的mcu（开发板）。从性价比和开发软件考虑，esp32是比较合适的选择，下面给出两个参考选择。合宙esp32-c3，￥9.9，带有wifi、蓝牙BLE，6路ADChttps://item.taobao.com/item.htm?id=666579064570&skuId=4857761048878esp32-s2mini，￥11（有带PSRAM和不带PSRAM版本，带PSRAM的贵1元 dcexpert 网友正在看 PSoC 4 BLE低功耗蓝牙应用实例 Verilog Delay 状态反馈和状态观测器（五） e络盟公司简介 Ground以及Terminator模块 内存分布之只读空间 按键消抖（二） PSpiceAA优化分析
